【第10章】机器学习第一部分

这章很多内容之前都接触过,所以笔记内容很少了,不过书上这部分的例子和讲解很棒

五大机器学习范例:神经网络,基于案例推理,遗传算法,规则归纳,分析学习

机器学习的三种反馈:监督学习,无监督学习和强化学习

解释现象时注意奥卡姆剃刀原则

懒惰的学习者:(如基于案例的推理)不做出努力压缩数据,调用时所有数据可用,因此鲁棒性更强

急切的学习者:(如神经网络)抽象出一般规则,数据本身不保留,相对不灵活

一般前者训练更快,但是使用需要花更多时间(为什么?)

决策树是一种归纳学习的方法----->ID3算法:选择信息增益最大(即熵减小程度最大)的分类方式建立决策

你可能感兴趣的:(【第10章】机器学习第一部分)